上一節中，已經得到了1min的非連續資料，眾所周知，做股票期貨僅僅有1min或tick資料是不夠的，需要將其合成為15min、30min、1day的資料，這裡講一下關於pandas裡的DateFrame和resample（重取樣）函式。

（1）DateFrame

DateFrame是pandas裡的常用資料結構，可以將其認為是“表格”在python裡的程式語言表示，其基礎是Series，即帶索引的列表，多個Series可以用zip組成一張表（DateFrame），這種資料結構大大方便了從多個角度對資料進行處理，可以按行、按列、按行索引、按列欄位名等進行相關操作。

其次，利用DateFrame處理csv檔案具有以下幾點優勢：

1：由於csv檔案即逗號分隔值檔案是以純文字形式儲存表格資料，可以用多種軟體開啟，使用pandas.red_csv讀取的檔案可以自動轉化為DateFrame，很是方便；

2：自定義的索引通常能給資料處理帶來極大的方便，後面將會使用自定義的索引進行空缺值插入；

3：進行週期頻率轉換時需要用到DateFrame或Series這種資料結構。

（2）resample

resample函式，顧名思義即進行重取樣的函式，將固定頻率的資料升取樣或降取樣，轉換為我們需要的週期數據，這裡不多贅述其所有的引數，文後有詳細的解釋。關鍵之處在於設定索引、標籤及區間的方向。

 index=pd.date_range(start=None, end=None, periods=None, freq='D', tz=None,
               normalize=False, name=None, closed=None, **kwargs)
 

其中，最重要的引數periods一定要與整個dateframe的列長度一致，索引必須是字串，如果該字串是非規範格式比如只有時間沒有日期，則該函式自動補充為現在的日期。

另外，resample的引數設定也有一定的規範：

 resample(self, rule, how=None, axis=0, fill_method=None, closed=None,
                 label=None, convention='start', kind=None, loffset=None,
                 limit=None, base=0)

下一節主要講pandas使用過程中的一些技巧和如何對空缺時間段的記錄進行插入。